Diabetes and driving recommendations among healthcare providers in Saudi Arabia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To assess healthcare providers' knowledge and awareness of the recommendations for drivers with insulin-treated diabetes in Saudi Arabia. Methods: A cross-sectional study was conducted among healthcare providers working at 4 tertiary hospitals in Riyadh, Saudi Arabia between April 2016 and December 2016 using a self-administered questionnaire. Results: A total of 285 healthcare providers completed the survey (response rate 88.5%). Most (70.2%) were aware of the safe driving recommendations for patients with insulin-treated diabetes. However, the need to check blood glucose levels before driving was underestimated by almost one-third (30.2%). Only one-quarter (24.6%) identified the correct level of blood glucose level that is safe for a patient when driving, and 28.4% identified the recommended time for checking blood glucose before driving. Participants who were aware of the recommendations for safe driving had a significantly higher average knowledge score (68.8%) than those who were not aware (58.8%; p less than 0.001). There was a significant difference in the average knowledge score among medical specialties (p=0.002) and job levels (p less than 0.001). Conclusions: Most healthcare providers identified the importance of evaluating their patients for ability to drive safely, but we found some important areas of knowledge deficit. Professional intervention to improve healthcare providers' awareness and knowledge regarding diabetes and driving is the first step in improving detection and reporting high-risk drivers with diabetes to prevent future driving mishaps.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle